論文の概要: Hierarchical LLM-Driven Control for HAPS-Assisted UAV Networks: Joint Optimization of Flight and Connectivity

• arxiv url: http://arxiv.org/abs/2605.11509v1
• Date: Tue, 12 May 2026 04:27:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.577396
• Title: Hierarchical LLM-Driven Control for HAPS-Assisted UAV Networks: Joint Optimization of Flight and Connectivity
• Title（参考訳）: HAPS支援UAVネットワークのための階層型LCM駆動制御:飛行と接続性の共同最適化
• Authors: Zijiang Yan, Hao Zhou, Wael Jaafar, Jianhua Pei, Ping Wang, Halim Yanikomeroglu, Hina Tabassum,
• Abstract要約: INTN(Integrated terrestrial and non-terrestrial network)で動作するマルチUAVシステムについて検討する。 衝突回避,効率的な交通流,そして動的かつ部分的に観測可能な条件下での信頼性の高い通信を確保するために,UAVが自身の動きに適応しなければならない3次元空路シナリオを考察する。 我々は,大規模言語モデル(LLM)による階層型マルチレート制御フレームワークを提案する。世界レベルでは,HAPS上のLLMベースのコントローラが,ロードバランシングとハンドオーバ決定のための長期計画を実行する。 ローカルレベルでは、各UAVは遅い時間スケールを統合するハイブリッドコントローラを使用する。
• 参考スコア（独自算出の注目度）: 33.68706070829591
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Uncrewed aerial vehicles (UAVs) are increasingly deployed in complex networked environments, yet the joint optimization of multi-UAV motion control and connectivity remains a fundamental challenge. In this paper, we study a multi-UAV system operating in an integrated terrestrial and non-terrestrial network (ITNTN) comprising terrestrial base stations and high-altitude platform stations (HAPS). We consider a three-dimensional (3D) aerial highway scenario where UAVs must adapt their motion to ensure collision avoidance, efficient traffic flow, and reliable communication under dynamic and partially observable conditions. We first model the problem as a hierarchical multi-objective partially observable Markov decision process (H-MO-POMDP), capturing the coupling between control and communication objectives. Based on this formulation, we propose a large language model (LLM)-driven hierarchical multi-rate control framework. At the global level, an LLM-based controller on the HAPS performs long-term planning for load balancing and handover decisions. At the local level, each UAV employs a hybrid controller that integrates a slow-timescale LLM for high-level spatial reasoning with a reinforcement learning agent for faster UAV-to-infrastructure (U2I) communication and motion control. We further develop a high-fidelity 3D simulation platform by integrating the gym-pybullet-drones environment with 3GPP-compliant RF/THz channel models. Numerical results demonstrate that the proposed framework significantly outperforms state-of-the-art baselines, achieving a 14% increase in transportation efficiency and a 25% improvement in telecommunication throughput. Additionally, it achieves a 23% reduction in physical collision rates, demonstrating strong handover stability and zero-shot generalization in dynamic scenarios.
• Abstract（参考訳）: 無人航空機(UAV)は複雑なネットワーク環境にますます配備されているが、複数UAVのモーションコントロールと接続性の共同最適化は依然として根本的な課題である。 本稿では,地上基地局と高高度プラットフォーム局(HAPS)からなる統合地上・非地上ネットワーク(ITNTN)で動作するマルチUAVシステムについて検討する。 衝突回避,効率的な交通流,そして動的かつ部分的に観測可能な条件下での信頼性の高い通信を確保するために,UAVが自身の動きに適応しなければならない3次元空路シナリオを考察する。 まず,階層的な多目的部分観測可能なマルコフ決定プロセス (H-MO-POMDP) としてこの問題をモデル化し,制御と通信の目的との結合を捉える。 この定式化に基づいて,大規模言語モデル(LLM)に基づく階層型マルチレート制御フレームワークを提案する。 グローバルレベルでは、HAPS上のLLMベースのコントローラは、ロードバランシングとハンドオーバ決定のための長期計画を実行する。 ローカルレベルでは、各UAVは、高速なUAV-to-infrastructure(U2I)通信とモーションコントロールのための強化学習エージェントと、高レベルの空間推論のための遅い時間スケールのLSMを統合するハイブリッドコントローラを使用している。 さらに,3GPP準拠RF/THzチャネルモデルとジム・ピブルレット・ドレーン環境を統合し,高忠実度3Dシミュレーションプラットフォームを開発した。 シミュレーションの結果,提案手法は最先端のベースラインを著しく上回り,輸送効率は14%向上し,通信スループットは25%向上した。 さらに、物理衝突速度を23%削減し、動的シナリオにおいて強いハンドオーバ安定性とゼロショットの一般化を示す。

関連論文リスト

• Telecom World Models: Unifying Digital Twins, Foundation Models, and Predictive Planning for 6G [60.29349053952935]
  本稿では,テレコムシステムダイナミクスの学習,行動条件,不確実性を考慮したモデリングのためのアーキテクチャであるTWM(Telecom World Model)の概念を紹介する。 本研究では,空間環境予測のためのフィールドワールドモデル,動作条件付きキーパフォーマンス指標(KPI)軌道予測のための制御/力学ワールドモデル,意図翻訳とオーケストレーションのための通信基盤モデルレイヤからなる3層アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-08T09:41:58Z)
• VLA-AN: An Efficient and Onboard Vision-Language-Action Framework for Aerial Navigation in Complex Environments [12.689250855332569]
  VLA-ANは、複雑な環境での自律ドローンナビゲーションに特化したフレームワークである。 既存の大型航法モデルの4つの大きな制限に対処する。 シングルタスクの成功率は98.1%に達する。
  論文  参考訳（メタデータ） (2025-12-17T10:02:55Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks [58.13757830013997]
  無人航空機(UAV)に基づく無線ネットワークは、都市コミュニケーションに高いモビリティ、柔軟性、カバーを提供する。 閉塞により、密集した環境では信号の減衰が激しい。 この重要な問題に対処するために、UAVの協調ビームの導入と全方向逆方向ビームフォーミングについて検討する。
  論文  参考訳（メタデータ） (2025-10-25T01:28:37Z)
• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• Hierarchical and Collaborative LLM-Based Control for Multi-UAV Motion and Communication in Integrated Terrestrial and Non-Terrestrial Networks [21.350819743855382]
  本研究は,複数のUAVの連立動作と通信制御を地球外ネットワークと非地球外ネットワークで行うことを目的としたものである。 大規模言語モデル(LLM)に基づく新しい階層的協調手法を提案する。 実験により,提案手法は, システム報酬の向上, 運用コストの低減, ベースライン手法と比較してUAV衝突率の大幅な低減を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-06-06T20:59:52Z)
• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• Multi-UAV Speed Control with Collision Avoidance and Handover-aware Cell Association: DRL with Action Branching [13.84737967579164]
  本稿では,複数UAVセルアソシエーション決定とその移動速度を3次元高速で最適化する手法を提案する。 本稿では,共有決定モジュールと複数のネットワーク分岐を持つニューラルアーキテクチャを提案する。 シミュレーションの結果、既存のベンチマークと比べて18.32%の大幅な改善が見られた。
  論文  参考訳（メタデータ） (2023-07-24T22:52:02Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。